个人主页-爱因斯晨
文章专栏-机器学习
文章目录
一、人工智能三大概念
Artificial Intelligence 人工智能：
研究智能行为的计算代理的合成和分析的领域。人工智能是用计算机来模拟人脑。
AI的期望：让计算机能模拟人脑，让计算机能理性的思考。让计算机能像人类一样行动，像计算机一样运作。
Machine Learning 机器学习：
赋予计算机学习能力而不需要明确编程的研究领域。 
历史数据：经历过的事儿。
模型：找规律，经验
机器学习：先训练，再预测，然后评估
深度学习
也叫深度神经网络，大脑仿生，设计一层一层的神经元模拟万事万物
三者区别
学习方式
基于规则学习：程序员根据经验利用手工的if-else方式进行预测。
有很多问题无法明确的写下规则，此时我们无法使用规则学习的方式来解决这一类问题，比如：图像和语音识别和自然语言处理。
基于模型的学习：从数据中自动学出规律
二、机器学习的应用领域和发展史
应用领域：
计算机视觉CV：对人看到的东西进行理解
自然语言处理：对人交流的东西进行理解
数据挖掘和数据分析：也属于人工智能的范畴
发展史
人工智能之父:约翰 麦卡锡
机器学习之父：亚瑟 赛缪尔
AI发展的三要素：数据、算法、算力
三、机器学习常用术语
（样本、特征、标签、训练集和测试集）
样本：一行数据就是一个样本，多个样本组成数据集，有时一条样本被叫成一条记录
特征：一列数据一个特征，有时也被称为属性。特征是从数据中抽取出来的，对结果预测有用的信息。
标签/目标：模型要预测的那一列数据。
数据集可划分为：训练集、测试集 比例：8：2，7：3
训练集（training set）:用来训练模型（model）的数据集
测试集（testing set）：用来测试模型的数据集
四、机器学习算法分类
（有监督学习、无监督学习、半监督学习、强化学习）
有监督学习：
输入数据是由输入特征值和目标值所组成，即输入的训练数据有标签的，数据集需要标注数据的标签/目标值.
有监督问题分为（分类问题与回归问题）
分类问题：
目标值（标签值）是不连续的
分类种类：二分类、多分类
回归问题：
目标值（标签值）是连续的无监督学习：
输入数据没有被标记，即样本数据类别未知，没有标签，根据样本间的相似性，对样本聚集类，以发现事情内部结构及相互关系。
学习特点：训练数据无标签，根据样本间的相似性对样本集进行聚类，发现事物内部结构及相互关系
半监督学习：
工作原理：
- 让专家标注少量数据，利用已经标记的数据（也就是带有类标签）训练出一个模型
- 再利用该模型去套用未标记的数据
- 通过询问领域专家分类结果与模型分类结果做对比，从而对模型做进一步改善和提高
优势？半监督学习方式可大幅降低标记成本
强化学习：
机器学习的一个重要分支
应用场景：里程碑AlphaGo围棋、各类游戏、对抗比赛、无人驾驶场景
基本原理：通过构建四个要素：agent，环境状态，行动，奖励，agent根据环境状态进行行动获得最多的累计奖励
强化学习=寻求最优解，以便获取最多奖励
五、机器学习建模流程
获取数据-数据基本处理-特征工程-机器学习（模拟训练）-模型评估
有监督学习模型训练和模型预测
六、特征工程概念入门
（特征工程、特征工程子领域）
特征工程：利用专业背景知识和技巧处理数据，让机器学习算法效果最好，这个过程就是特征工程。数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已
特征提取：从原始数据中提取与任务相关的特征
特征预处理： 特征对，模型产生影响：因量纲问题，有些特征对模型影响大、有些影响小
归一化：（当前值-最小值）/（最大值-最小值）
特征降维：将数据原始维度降低
特征选择：原始数据特征很多，与任务相关是其中一个特征集合子集，不会改变原数据
特征组合：把多个的特征合并成一个特征。利用乘法和加法来完成。
七、模型拟合问题
拟合：模型对样本点的拟合情况
欠拟合：模型在训练集上的表现很差，在测试集中的表现也很差
过拟合：模型在训练集中的表现很好，在测试集表现很差
欠拟合产生的原因：模型过于简单
过拟合产生的原因：模型过于复杂，数据不纯，训练数据太少
泛化：模型在新数据集（非训练数据）上的表现按好坏的能力
奥卡姆剃须刀原则：给定两个具有相同泛化误差的模型，较简单的模型比较复杂的模型更可取
八、机器学习开发环境
基于py的scikit-learn库
安装方法： pip install scikit-learn
